基于量子信息度量对印度与全球人群心血管疾病特征的合成比较分析

《Diagnostics》：Synthetic Comparative Analysis of Cardiovascular Disease Profiles Using Quantum Information Measures in Indian and Global Populations

　　**摘要****背景/目的：** 心血管疾病（CVDs）是当今世界面临的首要公共卫生挑战。据世界卫生组织（WHO）数据，每年约有32%的人口死于心血管疾病。本文提出了一种量子启发的信息论框架，用于比较印度和全球人群的心血管疾病风险因素架构。**方法：** 每个合成人群被表示为一个人群态矩阵（ρ），该矩阵由离散化的流行病学变量（年龄、性别、吸烟、糖尿病、高血压和血脂异常）构建而成。系统性不确定性用冯·诺依曼熵量化（对角状态时等价于香农熵），因素间依赖性用系统性互信息（SMI）度量，合成人群相似性用乌尔曼保真度衡量。**结果：** 在示例模拟场景（N = 10,000个人群合成档案）中，糖尿病熵在印度比较组中较高（0.88 vs. 0.61 比特），糖尿病-高血压系统性互信息在印度组中更大（≈0.46 vs. 0.22 比特），吸烟-高血压依赖性在全球组中更强（0.36 vs. 0.21 比特）。总体保真度为 F ≈ 0.76。**结论：** 上述结果为假设生成的点估计值，在进行临床或政策应用前，需要基于协调一致化的合成个体级数据进行临床数据验证。本研究构建了一种量子信息论框架，用于比较模拟的心血管疾病风险画像。示例结果表明，糖尿病-高血压依赖性在印度场景中更强，而吸烟-高血压依赖性在全球比较组中更强。